王丽丽，申 燚，徐玉松，袁明新

1.江苏科技大学 冶金与材料工程学院，江苏 张家港215600

2.江苏科技大学 机电与动力工程学院，江苏 张家港215600

在日常工程中存在着大量组合优化问题，其中很多包含约束条件，传统数学优化方法很难求解，因此近年来出现了大量的主流智能优化算法，如遗传算法[1]、粒子群算法[2]和蚁群算法[3]等等，但这些算法都主要基于适应度建立目标函数，在进化后期容易因为个体相似度高而陷入局部极小。人工免疫算法由于将适应度和抗体浓度作为目标函数，使得其有效兼顾了全局搜索和局部搜索，算法的优化能力明显得到提高，而作为人工免疫算法之一的克隆选择算法，可以根据不同抗体浓度，通过无性繁殖方式进行不同规模的克隆操作，从而能有效保持抗体种群多样性和扩大全局搜索范围，使得其在各类主流智能优化算法中优势明显，且在组合优化[4-5]、数据分类[1]和故障诊断[6]等领域得到广泛应用。然而面向高维对象优化时，传统克隆选择算法往往存在种群多样性低、优化速度慢和易陷入局部最优等不足。为此，Lin等[7]将动态种群规模控制策略引入免疫克隆算法中，解决了低种群多样性问题，但搜索效率未得到明显提高；Ulutas[8]采用新型编码结构，将细胞数定义为自适应变化的非常数，并获得最佳细胞数，在提高搜索精度同时也增加了算法复杂度；Shang等[9]使用构造性启发式算法来初始化抗体群体，在提高种群多样性同时也增加了算法复杂度；……